「训练数据合成」共找到 3981 篇相关文章
小扎豪掷143亿，却换不来AI燃料！数据之争下半场，中国冲出一匹黑马
2025年大模型高速进化，全球AI圈“数据大战”激烈。小扎花143亿抢占数据制高点却遇问题，马斯克裁员转招“专业AI导师”。中国澳鹏数据崛起，上半年营收3.06亿，有五大技术平台，未来目标2030年前中国区营收超20亿。
不用上传数据了！苹果正式开源 Embedding Atlas，用 Rust+WebGPU 在桌面实现科研级数据分析
苹果发布开源工具 Embedding Atlas，支持对大规模嵌入向量交互式可视化与探索。它在浏览器端运行，保障数据隐私，有多种可视化功能，提供 Python 包和 npm 库，已在 GitHub 开源。
Uber Hive 联邦架构：1.6 万数据集、10PB 数据去中心化，支撑大规模分析零停机
Uber重新设计Hive数据仓库，将超16000个数据集、超10PB数据去中心化部署，解决可扩展性等挑战。采用基于指针方案迁移，系统含四大组件降低运营风险，还减少存储开销，提升生态弹性。
AI玩拼图游戏暴涨视觉理解力，告别文本中心训练，无需标注的多模态大模型后训练范式
在多模态大模型后训练浪潮中，现有方法多以文本为中心。MMLab@南洋理工大学提出Visual Jigsaw，将拼图任务用于后训练，让模型不依赖标注强化视觉感知与理解，在图片、视频和3D模态验证有效。
把AI 时代最重要的判断力当专业学科训练，专注提升判断力
文章指出AI时代人们多只有“领域内判断力”，判断力可当学科训练。介绍预测大赛中普通人表现超CIA分析师，1小时训练能提升10%准确度，还给出判断力3层栈框架及30天训练清单。
字节Seed新作：模型合并如何改变大模型预训练范式
字节跳动Seed团队在arXiv发表论文，提出预训练模型平均（PMA）技术。该技术将模型合并引入预训练阶段，可提升性能、预测衰减阶段表现，还能解决训练问题。不过，高学习率影响和强化学习应用待研究。
【万字长文】大模型训练推理和性能优化算法总结和实践
本文总结大模型落地的训练、推理和性能优化算法与实践，介绍语言模型发展，对比BERT、GPT等训练方式，分析生成式大模型问题，还阐述数据处理、推理优化及训练调优等内容，并给出不同场景技术选型建议。
专为“超大模型而生”，新一代训练引擎 XTuner V1 开源！
9月8日，上海AI实验室开源书生大模型新一代训练引擎XTuner V1。它能应对复杂训练场景、速度更快，尤其在超大规模稀疏混合专家（MoE）模型训练中优势显著。还将一并开源AIOps工具DeepTrace与ClusterX。
《中国Data&AI数据基础设施白皮书》——AI创生核心生产力，开启万亿新基建之路 | 甲子光年智库
全球正处地缘政治与AI技术变革中，AI跃升为核心生产力。中国企业面临‘挤压式转型’，传统数据系统难满足需求。数据厂商需构建新一代数据基础设施，技术上‘湖仓一体’与‘AI原生’融合，推动Data&AI一体化。
监督学习未死，一题训练五小时起飞！华人学者新方法20倍训练效率释放大模型推理能力
大模型推理能力研究中，RL训练资源成本高、不稳定，传统SFT低数据量易过拟合。加拿大滑铁卢大学华人团队提出One - Shot CFT方法，用一题多解多点评训练，仅需约5个GPU小时，效果好、稳定性强。